基于状态偏移矫正的离线强化学习方法及装置.pdfVIP

下载本文档

1
0
约1.88万字
约 16页
2023-05-16 发布于四川
举报
版权申诉

基于状态偏移矫正的离线强化学习方法及装置.pdf

1、本文档共16页，其中可免费阅读15页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请公开了一种基于状态偏移矫正的离线强化学习方法及装置，其中，方法包括：从离线强化学习的数据集中随机采样当前时间步的样本，根据最大似然估计训练环境模型和状态转移模型；基于预设噪声构建被扰动的状态，获取由训练后的环境模型基于动作得到的下一时刻的第一状态，及获取由训练后的状态转移模型基于当前状态得到的下一时刻的第二状态；利用第一状态和第二状态之间的距离更新策略网络，并通过保守动作值函数学习训练动作值网络，直至满足收敛条件，生成基于状态偏移矫正的离线强化学习模型。由此，解决了相关技术中采用限制策略的

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114781248 A (43)申请公布日 2022.07.22 (21)申请号 202210357609.9 (22)申请日 2022.04.06 (71)申请人清华大学地址 100084 北京